国家科技支撑计划(2012BAF07B06)
- 作品数：20 被引量：216H指数：9
- 相关作者：何建国王松磊贺晓光刘贵珊吴龙国更多>>
- 相关机构：宁夏大学宁夏红枣工程技术研究中心银川能源学院更多>>
- 发文基金：国家科技支撑计划国家自然科学基金宁夏回族自治区科技厅科技攻关项目更多>>
- 相关领域：自动化与计算机技术理学农业科学轻工技术与工程更多>>
- 基于高光谱成像技术的灵武长枣常见缺陷检测被引量：4
- 2015年
- 以灵武长枣为研究对象,利用高光谱成像技术结合主成分分析法(principal component analysis,PCA)和最小噪声分离法(minimum noise fraction,MNF)对长枣缺陷进行快速检测与识别,主要探讨样本背景对缺陷识别的影响。首先,采集虫眼、裂痕、正常枣的高光谱图像,利用PCA法和MNF法分别对其降维去噪,选择虫眼与正常枣的PC1和M1图像、裂痕枣的PC2和M2图像进行缺陷识别,经PCA分析后的缺陷识别率均为100%,MNF处理后的识别率分别为69.2%,56.8%,100%;随后对其高光谱图像进行掩模去背景,再对其降维去噪后检测识别,PCA后的识别率均为100%,MNF后的识别率分别为73.1%,65.9%,100%。结果表明:利用高光谱成像技术结合两种降维去噪法对长枣常见缺陷的识别是可行的,背景干扰对于PCA法的缺陷识别不影响,其识别效果优于MNF法,且去背景后的MNF法缺陷识别率较未去背景的有所提高,为后续长枣缺陷的在线检测提供理论依据。
- 王婉娇贺晓光王松磊刘贵珊吴龙国
- 关键词：主成分分析掩模长枣
- 基于可见/近红外高光谱成像技术的番茄表面农药残留无损检测被引量：20
- 2014年
- 以番茄为研究对象，应用可见／近红外高光谱成像技术对水果表面农药残留的无损检测研究。用蒸馏水将嘧霉胺农药稀释成1：20，1：100，1：5003个梯度，将不同浓度的溶液分别滴到60个洗净的番茄表面，形成3×3矩阵。放置在通风阴凉处12h后，应用高光谱系统（400～1000nm）采集光谱图像信息。利用主成分分析法获得主成分图像（PC），并根据第二主成分图像（PD2）的权重系数选取特征波长564，809，967nm。采用波段比（564nm／809nm）结合适当的图像处理方法对番茄表面的农药残留进行检测。高浓度（1：20，1：100）农药点检测率为100％，而低浓度（1：500）农药点的检测率为0。结果表明，高光谱成像技术对高浓度农药残留具有较好的检测效果。
- 张令标何建国刘贵珊王松磊贺晓光王伟
- 关键词：无损检测主成分分析农药残留
- 高光谱图像技术在水果无损检测中的研究进展被引量：22
- 2013年
- 为保证水果质量,满足企业与消费者的需求,势必要对水果进行品质检测和分级处理。高光谱图像作为一种新型的无损检测技术,融合了图像学和光谱学的优点,可以快速、无损地获取水果的空间和光谱图像信息,从而全方位的反映水果内外部的品质信息。因此,该技术在水果品质无损检测领域具有巨大的发展前景。该文主要介绍了高光谱图像系统的基本原理、图像的采集和分析方法、国内外水果无损检测的应用以及未来的发展前景。
- 吴龙国何建国贺晓光刘贵珊王伟王松磊苏伟东罗阳思振华
- 关键词：无损检测水果品质
- 基于近红外光谱技术的马铃薯全粉蛋白质无损检测被引量：7
- 2015年
- 为了探索一种简捷、高效、快速、无损的马铃薯全粉品质的检测方法,近红外光谱技术被应用到马铃薯全粉蛋白质的无损检测研究中。以120个经过真空微波冷冻干燥技术处理的不同品种马铃薯为样品,进行光谱采集及相应的化学值测定,采用多元散射校正和SavitzkyGolay卷积平滑对1200-2400 nm波段范围内的原始光谱进行预处理,选取最优的预处理方法;运用主成分回归分析法与偏最小二乘回归系数分别选择特征波长,并根据蛋白质基团的特征光谱区间选取特征波段,建立全波段、特征波段和特征波长下的主成分回归和偏最小二乘蛋白质预测模型。结果为：经过多元散射校正处理后的光谱建模效果最好,且运用偏最小二乘回归系数选择特征波长建立的马铃薯全粉蛋白质校正和验证模型的相关系数和均方根误差分别为0.9693、0.2937和0.9779、0.3304,优于全波段和特征波段建立的模型。研究表明,采用近红外光谱技术对马铃薯全粉蛋白质的无损检测是可行的。
- 孟庆琰何建国刘贵珊贺晓光王松磊吴晨李丹吴龙国
- 关键词：近红外光谱技术马铃薯全粉蛋白质无损检测
- 高光谱图像技术在水果品质检测中的研究进展被引量：14
- 2013年
- 高光谱图像技术结合了光谱技术和图像技术两者的优点,可实现水果内外品质同时检测,是水果品质无损检测的发展趋势。本文介绍了高光谱图像技术的基本原理,高光谱图像数据处理方法,在水果内外品质无损检测方面的国内外研究现状,分析了高光谱图像技术在水果品质检测中存在的问题及未来的研究方向。
- 徐爽何建国马瑜梁慧琳刘贵珊贺晓光
- 关键词：水果品质无损检测
- 高光谱在农产品无损检测中的应用展望被引量：1
- 2013年
- 从高光谱技术的分类和特点入手,跟踪国内外利用高光谱无损检测农产品方面的最新研究成果,对高光谱成像技术在农产品表面损伤检测、内部品质检测、表面污染及外部品质检测以及在肉品质和污染检测等方面的研究进行了分类整理.对现阶段存在的高光谱采集设备、数据处理及建模、样品物理化学性质等方面存在的问题及解决对策予以讨论,并探讨了高光谱技术在农产品无损检测方面的发展趋势,以期为同行提供参考.
- 韩小珍辛世华王松磊何建国
- 关键词：农产品无损检测
- 基于NIR高光谱成像技术的长枣虫眼无损检测被引量：15
- 2013年
- 为了研究快速识别虫眼枣与正常枣的有效方法,利用特征波长主成分分析法结合波段比算法进行虫眼枣识别。首先,利用NIR高光谱成像系统采集130个长枣(50个正常、80个虫眼枣)图像,提取并分析不同类型长枣特征区域的平均光谱曲线,对970~1 670 nm范围内的光谱数据进行主成分分析,确定7个特征波长(990,1 028,1 109,1 160,1 231,1 285,1 464 nm)。然后,对长枣图像做主成分分析,选择PC2图像进行虫眼识别,虫眼与正常枣的识别率分别为67.5%、100%。为了进一步提高虫眼枣的识别率,采用波段比(R1231/R1109)对未识别的虫眼枣进行再次识别,识别率提高到90%。结果表明,基于NIR高光谱成像技术的检测方法对虫眼枣识别是可行的,同时也为多光谱成像技术应用于在线检测长枣品质提供了理论依据。
- 吴龙国何建国刘贵珊贺晓光王伟王松磊李丹
- 关键词：高光谱成像无损检测长枣
- 基于高光谱成像技术的灵武长枣缺陷识别被引量：14
- 2015年
- 为研究快速识别灵武长枣表面裂痕、虫眼、碰伤等常见缺陷的有效方法,利用特征波长主成分分析法结合波段比算法进行长枣裂痕、虫眼、碰伤识别。首先,采用近红外（Near Infrared Reflection,NIR）波段范围的高光谱成像系统获取300个长枣反射图像,提取并分析各类型长枣光谱曲线,选择918~1 678 nm波段范围进行主成分分析,通过权重系数提取特征波长;然后,对特征波长下图像进行主成分分析,选择最优的主成分图像进行识别;最后,对未识别的长枣图像采用波段比算法进一步进行识别。NIR波段的正常枣、虫眼枣、裂痕枣、碰伤枣的识别率分别100%、90%、86%、100%。结果表明：NIR高光谱成像仪对长枣外部缺陷识别是可行的,为多光谱成像技术应用于在线检测长枣品质提供了理论依据。
- 吴龙国王松磊康宁波何建国贺晓光
- 关键词：主成分分析高光谱成像无损检测长枣
- 近红外高光谱技术鉴别长枣表面的农药种类被引量：6
- 2014年
- 探索一种能对长枣表面农药种类进行准确鉴别的方法。利用900nm^1700nm的高光谱成像系统对喷洒不同农药的长枣进行原始光谱数据采集,利用Savitzky-Golay卷积平滑的方法对900nm^1700nm波段范围内的原始光谱进行预处理,运用偏最小二乘回归系数选择7个特征波长(SevenWavelengths,SW),采用对农药种类进行赋值的方法建立偏最小二乘(PLS)模型进行鉴别分析,结果表明,不同种类的农药在一定程度上能被有效的鉴别,鉴别正确率达到88.75%,但是在鉴别吡虫啉与哒螨灵两种农药时容易出现鉴别错误。进一步采用SW-LDA对不同农药种类进行鉴别,建立7个特征波长下的线性判别分析(LDA)模型,研究结果显示,不同农药种类的鉴别准确率达到90%以上。说明近红外高光谱联合SW-LDA能够准确地鉴别长枣表面不同的农药种类,为长枣表面农药种类的鉴别探索出了一种新方法。
- 刘民法张令标王松磊刘贵珊何建国贺晓光
- 关键词：长枣PLS农药种类
- 基于近红外高光谱成像技术的长枣含水量无损检测被引量：33
- 2014年
- 利用近红外（NIR）高光谱（900～1700nm）成像技术对灵武长枣含水 量的无损检测进行了研究。通过900～1700nm 高 光谱成像系统采集了128个长枣图像,对原始光谱与Savitzky-Golay 平滑处理后的光谱反 射率R曲线、吸收率A曲线和Kubelka-Munk函数（KM ）等曲线的偏最小二乘回归（PLSR）模型进行对比分析；采 用PLSR的加权β系数分别提取不同光谱参数下的特征波长,建立R-PLSR、A-PLSR和KM-PLSR的长 枣 含水量预测模型。结果表明,采用原始光谱建立的PLSR模型优于Savitzky-Golay平滑的PLS R模 型；原始光谱的特征波长建立的PLSR模型优于全波段的PLSR模型,特征波长建立的KM-PLSR模型优于R- PLSR、A-PLSR模型,决定系数（R2）和预测均 方根误差（RMSEP）分别为0.793、1.828。这表明,NIR 高光谱成像技 术提取特征波长进行长枣水分检测是可行的,同时也为今后长枣品质在线检测提供了理论依据。
- 吴龙国何建国刘贵珊贺晓光王伟王松磊李丹
- 关键词：长枣含水量无损检测
